基于结构化观测的多视点视频流压缩感知联合重建方法技术

本发明专利技术提供了一种基于结构化观测的多视点视频流压缩感知联合重建方法，属于视频压缩传输领域，包括：利用相机参数信息将长焦视频画面缩小后，通过特征点匹配计算视差值，得到短焦视频每一帧的视差补偿画面，短焦视频每一帧画面与视差补偿画面逐个像素的像素值相减得到差异视频，即长焦视频与短焦视频之间的差异信息；使用分布式视频压缩感知分别传输长焦视频以及差异信息；重构长焦视频以及差异信息；将重构的长焦视频的画面缩小后，通过视差值得到短焦视频每一帧的视差补偿画面，差异信息与视差补偿画面逐个像素的像素值相加得到重构的短焦视频。该方法可应用于传输不同焦距的多视点视频，有效节省传输带宽以及计算资源，提高传输效率。提高传输效率。提高传输效率。

【技术实现步骤摘要】
基于结构化观测的多视点视频流压缩感知联合重建方法


[0001]本专利技术属于视频压缩传输领域，具体涉及一种基于结构化观测的多视点视频流压缩感知联合重建方法。

技术介绍

[0002]近年来，目标检测技术发展迅猛，该技术需要使用相机来采集场景画面，以实现物体检测、目标测距等功能，已广泛应用于机器人视觉、智能辅助驾驶等领域。目前，特斯拉已成功将多目多焦检测技术应用于汽车自动驾驶，该技术使用多个不同焦距的相机，兼顾了视野范围以及远距离测距。
[0003]多目多焦检测技术需要采集多路不同焦距的视频，往往会带来传输速度慢的问题，且视频之间存在大量高度相似的画面，浪费了传输带宽和存储空间。后续学者们提出了多视点视频压缩感知技术，该技术应用于焦距相同的多视点视频时，利用同一帧画面间包含大量相同数据的特点来去除冗余数据，有效减小传输的数据量，却无法用于不同焦距的多视点视频的压缩传输。
[0004]多目多焦检测技术使用多个不同参数的相机，在焦距不同时，长焦相机采集的画面与短焦相机采集画面中的一部分高度相似。而现有多视点视频压缩感知技术大多都适用于相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于结构化观测的多视点视频流压缩感知联合重建方法，其特征在于，包括以下步骤：步骤1、利用相机参数信息将长焦视频画面缩小后，通过特征点匹配计算视差值，得到短焦视频每一帧的视差补偿画面，短焦视频每一帧画面与视差补偿画面逐个像素的像素值相减得到差异视频，即长焦视频与短焦视频之间的差异信息；步骤2、使用分布式视频压缩感知分别传输长焦视频以及差异信息；步骤3、重构长焦视频以及差异信息；步骤4、将重构的长焦视频的画面缩小后，通过视差值得到短焦视频每一帧的视差补偿画面，差异信息与视差补偿画面逐个像素的像素值相加得到重构的短焦视频。2.根据权利要求1所述的基于结构化观测的多视点视频流压缩感知联合重建方法，其特征在于，所述长焦视频和短焦视频分别通过长焦相机和短焦相机采集。3.根据权利要求2所述的基于结构化观测的多视点视频流压缩感知联合重建方法，其特征在于，所述提取长焦视频与短焦视频之间的差异信息具体包括：步骤1.1：根据长焦视频以及短焦视频的相机参数，计算出长焦视频的画面在短焦视频画面中的比例关系；步骤1.2：将每一帧长焦视频画面按步骤1.1得到的比例关系缩小后，处理成重组长焦画面；步骤1.3：利用重组长焦画面与短焦视频的第一帧画面，采用特征点匹配的方法，获得视差值，通过视差值得到重组长焦画面与短焦画面中像素点的映射关系；步骤1.4：对于重组长焦画面与短焦视频的第i帧，利用步骤1.3得到的映射关系，获得短焦视频在该帧的视差补偿画面，然后将短焦画面与补偿画面逐个像素的像素值相减得到差异画面；步骤1.5：重复步骤1.4，直到长焦与短焦视频的视频流数据处理结束，得到长焦视频以及短焦视频之间的差异部分构成的差异视频。4.根据权利要求3所述的基于结构化观测的多视点视频流压缩感知联合重建方法，其特征在于，所述采用特征点匹配的方法获得视差值具体包括：将重组长焦画面与短焦画面的第一帧进行特征点匹配，通过所有特征点的平均欧氏距离获得视差值，建立两幅画面之间的映射关系，其中欧氏距离定义为：e
i
＝||y(a
i
)
‑
y(b
i
)||式中，a
i
、b
i
分别表示两个画面中匹配的特征点，i＝1,2,
…
,N；N表示特征点的数量，y(
·
)表示该特征点的列坐标值；确定各...

【专利技术属性】
技术研发人员：刘红，徐博，谢政霖，韩太林，王啸，鞠明池，刘轩，陈怡嘉，韩镇宇，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：